-
公开(公告)号：CN105303546A
公开(公告)日：2016-02-03
申请号：CN201410280957.6
申请日：2014-06-20
Applicant: 江南大学
Abstract: 本发明公开一种基于模糊连接度的近邻传播聚类图像分割方法，主要用于解决其他同类方法由于目标跨度较大而出现过分割、分割精度低的问题。其实现步骤为：(1)对图像进行超像素分割；(2)提取超像素的空间特征和密度特征；(3)根据超像素的空间特征计算邻近关系；(4)根据超像素的密度特征和邻近关系计算亲和关系；(5)根据亲和关系计算所有超像素间的模糊连接度；(6)根据模糊连接度和空间特征关系计算超像素间的相似度；(7)用近邻传播聚类完成超像素的聚类，并生成分割结果。本发明是一种全自动分割方法，分割的目标一致性好，分割精度高，解决了现有AP聚类图像分割方法偏向参数难确定的问题，对自然彩色图像有很好的分割能力。
-
公开(公告)号：CN105279748A
公开(公告)日：2016-01-27
申请号：CN201410274737.2
申请日：2014-06-18
Applicant: 江南大学
IPC: G06T7/00
Abstract: 本发明公开了一种图像中像素尺度快速的计算方法，对一副图像中每个像素的尺度实现过程为：(1)对待处理图像应用Canny算子进行边缘检测，得到边缘矩阵；(2)对当前像素点，若为边缘点，则令其尺度为1，若不为边缘点，则以当前点为中心建立一个自适应正方形模版；(3)在模版内采用8点式找距离当前点最近的边缘点，两点的距离即为当前点的尺度；(4)对图像中所有的像素点执行(2)和(3)得到整幅图像的尺度。该方法以图像的边缘作为判断准则，与现有的技术相比计算速度更快，更容易实现，抗噪性更好。所得图像的尺度可用于医学图像的精确分割与目标提取。
-
公开(公告)号：CN103345577A
公开(公告)日：2013-10-09
申请号：CN201310259970.9
申请日：2013-06-27
Applicant: 江南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于变分贝叶斯近似的概率假设密度多目标跟踪方法，它属于制导和智能信息处理技术领域，主要解决现有随机集滤波方法难以实现未知量测噪声环境下的变数目多目标跟踪问题。该方法通过引入变分贝叶斯近似技术，联合估计目标状态和量测噪声协方差的后验概率假设密度，并采用高斯混合逆伽马分布递推闭合解，从而实现未知量测噪声环境下数目变化的多目标跟踪，且具有良好的跟踪效果和鲁棒性，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN118436312A
公开(公告)日：2024-08-06
申请号：CN202410573534.7
申请日：2024-05-10
Applicant: 江南大学
IPC: A61B5/00 , A61B5/374 , A61B5/397 , A61B5/398 , G06F18/211 , G06F18/2411 , G06F18/25 , G06F18/213
Abstract: 本发明涉及一种基于多特征融合的自动睡眠分期方法。其包括：提供生理信号，生理信号包括脑电信号EEG、眼电信号EOG以及肌电信号EMG；对所述生理信号进行分段，以在分段后生成生理分段片段信号组；进行多模态信号特征提取，以得到生理片段信号的多模态信号特征，对相邻生理分段片段信号的多模态信号特征进行跨相邻样本融合；利用预构建的特征选择支持向量机对生理信号融合特征集进行特征选择，以在特征选择后生成生理信号选择特征集；利用预构建的睡眠分期识别支持向量机对生理信号选择特征集进行识别分类，并输出所述生理信号的睡眠分期类别。本发明能够更加有效地进行睡眠分期，睡眠分期精度高，具有较好的泛化能力。
-
公开(公告)号：CN112766134B
公开(公告)日：2024-05-31
申请号：CN202110047932.1
申请日：2021-01-14
Applicant: 江南大学
Abstract: 本发明公开了一种强化类间区分的表情识别方法，属于模式识别和智能信息处理领域。本发明的方法从各类表情的类间关系出发，通过观察分类之后的召回率矩阵(RM)结合筛选算法来构建分类支路。通过分析类间关系，可以获取各类表情之间的关联程度，相当于获取了表情识别问题理论情况下的客观规律。将这样的规律设计到网络模型之中，模型就获取到了特定的先验知识，而这样的先验知识在一般的深层神经网络中能否被学习到有着不确定性。本发明在神经网络的深层上固定了参数，在真实环境中保持了优越的识别精度，满足实际工程系统的设计需求。
-
Patent Agency Ranking
公开(公告)号：CN113887656B
公开(公告)日：2024-04-05
申请号：CN202111226922.0
申请日：2021-10-21
Applicant: 江南大学
IPC: G06V10/764 , G06V10/77 , G06V10/774 , G06V20/10 , G06V10/58 , G06V10/44 , G06V10/82 , G06N3/082 , G06N3/084 , G06N3/0985 , G06T7/155 , G06T7/62 , G06T7/66
Abstract: 本发明公开了一种联合深度学习与稀疏表示的高光谱图像分类方法，涉及高光谱图像处理技术领域，该方法包括：对高光谱图像数据，先用主成分分析提取光谱特征，并对主成分进行扩展形态学分析得到扩展形态学特征；划分训练集和测试集，将训练集对应的扩展形态学特征作为端元集合；将光谱特征和端元集合输入至联合稀疏表示的深度神经网络模型，输出分类概率图；根据分类概率图得到最终的分类预测结果。深度神经网络模型包含稀疏表示模块和自编码特征提取模块，深度丰度特征的求解与分类在统一的损失函数下训练，使得稀疏表示模块输出的深度丰度特征提取了样本间的相关性信息；自编码特征提取模块融合了深度丰度特征与光谱特征，可显著提高分类精度。
-
公开(公告)号：CN116182838A
公开(公告)日：2023-05-30
申请号：CN202310306113.3
申请日：2023-03-27
Applicant: 江南大学
IPC: G01C21/00 , G01C21/20 , G06Q10/047
Abstract: 本发明公开了一种基于点云地图的植保无人机全局路径优化方法，涉及智能农机领域，该方法包括：基于多传感器采集待作业地形的三维点云数据，经过滤波以及数据融合处理，生成三维点云地图；使用先分割、再区域路径规划、最后衔接分区的方式，对圈定的待工作区域进行全局路径规划，在保证能够完整覆盖作业划区的同时，尽量减少无人机能耗、提高地形兼容性以及无人机作业的安全性。构建的三维点云地图可以实现待作业地形的一次构图入库，供无人机路径规划多次使用，实现无人机农业作业傻瓜式操作，提高了使用无人机进行农业作业的普遍性的趋势。
-
公开(公告)号：CN110084831B
公开(公告)日：2021-08-24
申请号：CN201910328735.X
申请日：2019-04-23
Applicant: 江南大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于YOLOv3多伯努利视频多目标检测跟踪方法，属于机器视觉、智能信息处理领域。本发明在多伯努利滤波框架下引入YOLOv3检测技术，采用抗干扰的卷积特征描述目标，并交互融合检测结果和跟踪结果，实现对数目未知且时变的视频多目标状态进行精确估计；跟踪过程中，将匹配的检测框与目标轨迹及目标模板相结合，实时进行目标新生判断与遮挡目标重识别，同时考虑检测目标和估计目标的身份标记信息，实现对目标身份识别及航迹跟踪，可以有效提高对被遮挡目标的跟踪精度，减少轨迹碎片。实验表明，本发明具有良好的跟踪效果和鲁棒性，能广泛满足智能视频监控、人机交互、智能交通管制等系统的实际设计需求。
-
公开(公告)号：CN112946625A
公开(公告)日：2021-06-11
申请号：CN202110166401.4
申请日：2021-02-04
Applicant: 江南大学
Abstract: 本发明公开了基于B样条形状驱动多扩展目标航迹跟踪及分类方法，涉及信息处理技术领域，该方法包括：首先将B样条估计出的不规则形状用到KDE‑SSP方法中，对紧邻目标量测集进行二次划分，使用核密度估计法寻找候选形状的中心点位置，提高了算法的效率；之后提取了目标形状类别信息辅助目标状态更新和提取，解决了紧邻目标量测集更新的漏跟、错跟等问题，同时，根据提取的目标运动状态、目标形状信息和目标航迹有效实现了对扩展目标的航迹管理和目标分类。
-
公开(公告)号：CN112766134A
公开(公告)日：2021-05-07
申请号：CN202110047932.1
申请日：2021-01-14
Applicant: 江南大学
Abstract: 本发明公开了一种强化类间区分的表情识别方法，属于模式识别和智能信息处理领域。本发明的方法从各类表情的类间关系出发，通过观察分类之后的召回率矩阵(RM)结合筛选算法来构建分类支路。通过分析类间关系，可以获取各类表情之间的关联程度，相当于获取了表情识别问题理论情况下的客观规律。将这样的规律设计到网络模型之中，模型就获取到了特定的先验知识，而这样的先验知识在一般的深层神经网络中能否被学习到有着不确定性。本发明在神经网络的深层上固定了参数，在真实环境中保持了优越的识别精度，满足实际工程系统的设计需求。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.036 seconds)
